論文の概要: Performance Antipatterns: Angel or Devil for Power Consumption?
- arxiv url: http://arxiv.org/abs/2602.12079v1
- Date: Thu, 12 Feb 2026 15:37:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-13 21:07:25.895331
- Title: Performance Antipatterns: Angel or Devil for Power Consumption?
- Title（参考訳）: パフォーマンスのアンチパターン: 電力消費の天使か悪魔か?
- Authors: Alessandro Aneggi, Vincenzo Stoico, Andrea Janes,
- Abstract要約: 本稿では,広く研究されているパフォーマンスアンチパターンが電力使用量に悪影響を及ぼすかどうかを考察する。
分離された10の瞬時アンチパターンを実装し、制御負荷条件下で評価する。
その結果、全てのアンチパターンは期待通りに性能を低下させるが、応答時間と消費電力の増加との間に統計的に有意な相関を示すのはサブセットのみであることがわかった。
- 参考スコア（独自算出の注目度）: 45.34301783539974
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Performance antipatterns are known to degrade the responsiveness of microservice-based systems, but their impact on energy consumption remains largely unexplored. This paper empirically investigates whether widely studied performance antipatterns defined by Smith and Williams also negatively influence power usage. We implement ten antipatterns as isolated microservices and evaluate them under controlled load conditions, collecting synchronized measurements of performance, CPU and DRAM power consumption, and resource utilization across 30 repeated runs per antipattern. The results show that while all antipatterns degrade performance as expected, only a subset exhibit a statistically significant relationship between response time and increased power consumption. Specifically, several antipatterns reach CPU saturation, capping power draw regardless of rising response time, whereas others (\eg Unnecessary Processing, The Ramp) demonstrate energy-performance coupling indicative of inefficiency. Our results show that, while all injected performance antipatterns increase response time as expected, only a subset also behaves as clear energy antipatterns, with several cases reaching a nearly constant CPU power level where additional slowdowns mainly translate into longer execution time rather than higher instantaneous power consumption. The study provides a systematic foundation for identifying performance antipatterns that also behave as energy antipatterns and offers actionable insights for designing more energy-efficient microservices architectures.
- Abstract（参考訳）: パフォーマンスのアンチパターンは、マイクロサービスベースのシステムの応答性を低下させることで知られていますが、そのエネルギー消費への影響はほとんど解明されていません。
本稿は、スミスとウィリアムズが定義したパフォーマンスアンチパターンが電力使用量に悪影響を及ぼすかどうかを実験的に検討する。
分離されたマイクロサービスとして10のアンチパターンを実装し、制御された負荷条件下で評価し、パフォーマンス、CPUとDRAMの消費電力の同期測定、アンチパターン毎の30回の実行におけるリソース利用を収集します。
その結果、全てのアンチパターンは期待通りに性能を低下させるが、応答時間と消費電力の増加との間に統計的に有意な相関を示すのはサブセットのみであることがわかった。
具体的には、いくつかのアンチパターンがCPU飽和に達し、応答時間の上昇にかかわらずキャッピングパワーが低下する一方、他の(不要な処理、ランプ)は非効率性を示すエネルギー-性能結合を示す。
その結果,全てのインジェクトされた性能アンチパターンが期待通りに応答時間を増加させる一方で,サブセットのみがクリアエネルギーアンチパターンとして振る舞うことがわかった。
この研究は、エネルギーアンチパターンとしても動作するパフォーマンスアンチパターンを特定するための体系的な基盤を提供し、よりエネルギー効率の良いマイクロサービスアーキテクチャを設計するための実用的な洞察を提供する。
関連論文リスト
- Keep the Lights On, Keep the Lengths in Check: Plug-In Adversarial Detection for Time-Series LLMs in Energy Forecasting [35.31487571405278]
本稿では,TS-LLMの可変長入力機能を利用したプラグイン検出フレームワークを提案する。
我々は3つのエネルギーデータセットにまたがる3つの代表的なTS-LLMに対するアプローチを評価した。
論文 参考訳（メタデータ） (2025-12-13T03:24:36Z) - Benchmarking Energy and Latency in TinyML: A Novel Method for Resource-Constrained AI [0.0]
この研究は、エネルギーと遅延の測定を統合する代替のベンチマーク手法を導入する。
設定を評価するために、ニューラルネットワークを実行するためのNPUを含むSTM32N6 MCUをテストした。
その結果,コア電圧とクロック周波数の低減により,前処理と後処理の効率が向上することが示唆された。
論文 参考訳（メタデータ） (2025-05-21T15:12:14Z) - FlashBias: Fast Computation of Attention with Bias [70.44379606190569]
偏見による注意は、視覚、言語、タンパク質の折り畳みやその他の先進的な科学モデルに広く展開されてきた。
これは、FlashAttentionのようなアクセラレーターの速度の根底にある、固く融合したメモリ計算パイプラインを破壊します。
本稿では,低ランク圧縮センシング理論に基づくFlashBiasを提案する。
論文 参考訳（メタデータ） (2025-05-17T15:12:50Z) - R-TPT: Improving Adversarial Robustness of Vision-Language Models through Test-Time Prompt Tuning [69.72249695674665]
視覚言語モデル(VLM)のためのロバストテスト時プロンプトチューニング(R-TPT)を提案する。
R-TPTは、推論段階における敵攻撃の影響を緩和する。
プラグアンドプレイの信頼性に基づく重み付きアンサンブル戦略を導入し,防御強化を図る。
論文 参考訳（メタデータ） (2025-04-15T13:49:31Z) - USEFUSE: Uniform Stride for Enhanced Performance in Fused Layer Architecture of Deep Neural Networks [0.6435156676256051]
本研究では,低レイテンシ左から右へのビットシリアル演算を用いた畳み込みのためのSum-of-Products (SOP)ユニットを提案する。
有効メカニズムは、ReLU層の後、非効率な畳み込みを検出し、スキップし、消費電力を最小化する。
ひとつはミッションクリティカルなアプリケーションの応答時間を最小限にすること、もうひとつはリソースに制約のあるデバイスに同じレイテンシでフォーカスすることである。
論文 参考訳（メタデータ） (2024-12-18T11:04:58Z) - Time-Series Forecasting and Sequence Learning Using Memristor-based Reservoir System [2.6473021051027534]
我々は,効率的な時間的データ処理とオンライン学習を兼ね備えたmemristorベースのエコー状態ネットワークアクセラレータを開発した。
提案した設計は、負荷エネルギー消費と気象条件の予測など、実世界のタスクを含む様々なデータセットを用いてベンチマークされる。
このシステムはデバイス故障に対して10%以下で合理的な堅牢性を示すことが観察された。
論文 参考訳（メタデータ） (2024-05-22T05:07:56Z) - Green AI: A Preliminary Empirical Study on Energy Consumption in DL
Models Across Different Runtime Infrastructures [56.200335252600354]
トレーニング済みのモデルを、ネイティブな開発環境とは異なる環境にデプロイするのは、一般的なプラクティスです。
これにより、インフラを含むONNXや標準フォーマットとして機能するONNXなどの交換フォーマットが導入された。
論文 参考訳（メタデータ） (2024-02-21T09:18:44Z) - Multiagent Reinforcement Learning with an Attention Mechanism for
Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。
マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。
シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文 参考訳（メタデータ） (2023-09-16T11:37:23Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。